一种基于人工智能的病情变化预测系统及方法技术方案

本发明专利技术提供一种基于人工智能的病情变化预测系统及方法，涉及病情预测技术领域，包括：存储多个患者的多个历史诊断病史；分别获取当前患者的本次诊断的病情症状和磁共振图像以及当前患者的各历史诊断病史，处理得到症状变化趋势和图像变化趋势；查找得到多个相似患者，针对每个相似患者根据各历史诊断病史处理得到历史症状变化趋势和历史图像变化趋势，随后根据当前患者的症状变化趋势和图像变化趋势以及各相似患者的历史症状变化趋势和图像变化趋势筛选得到若干参考患者；以当前患者的磁共振图像为预测起点，以各参考患者的历史图像变化趋势为预测趋势得到病情变化预测结果并展示给医师。有益效果是综合症状和图像，对病情变化预测结果更准确。病情变化预测结果更准确。病情变化预测结果更准确。

【技术实现步骤摘要】
一种基于人工智能的病情变化预测系统及方法


[0001]本专利技术涉及病情预测
，尤其涉及一种基于人工智能的病情变化预测系统及方法。

技术介绍

[0002]磁共振成像(MagneticResonanceImaging,MRI)是一种医学成像技术，主要依靠利用静态的磁场、射频脉冲和梯度磁场在人体组织中产生的共振信号来生成影像。MRI检查用途广泛，可用于检查脑部、胸部、腹部和骨骼等各种部位，并在肿瘤、血管病、内脏器官疾病、神经系统疾病等方面有着广泛应用。MRI特点是无创、高分辨率、对软组织成像优秀、无X射线照射等，是一项非常重要的医学成像技术。随着信息技术的发展，利用人工智能技术探索医疗领域已成为一个热门话题，磁共振成像技术与人工智能语言模型的结合也被认为是医疗领域的一项重大突破。磁共振成像技术能够提供高清晰度和高对比的MRI影像，而人工智能语言模型则可以通过对大量的数据进行机器学习和模式识别来提高MRI数据的诊断能力和准确性，因此将这两个技术进行结合具有实际意义。然而在实际应用中，这两个技术的结合并不完全，并且无法对病人的病情变化做出预测，这些都是医疗系统需要进一步解决的问题。
[0003]在医疗系统中，利用磁共振成像技术取得的MRI影像数据可以被应用于机器学习建模中，来让人工智能模型对这些数据进行分析和处理。然而，现有的技术对模型预测时对病人当前状况考虑不全面，不能磁共振图像和患者症状多方面结合，这些问题导致了人工智能语言模型难以对病人的病情变化做出准确预测。

技术实现思路

[0004]针对现有技术中存在的问题，本专利技术提供一种基于人工智能的病情变化预测系统，包括：
[0005]存储模块，用于存储多个患者的多个历史诊断病史；
[0006]分析模块，连接所述存储模块，用于分别获取当前患者的本次诊断的病情症状和磁共振图像以及所述当前患者的各所述历史诊断病史，随后基于所述病情症状、所述磁共振图像和所述当前患者的各所述历史诊断病史处理得到症状变化趋势和图像变化趋势；
[0007]查找模块，连接所述分析模块，用于根据所述磁共振图像于所述存储模块中查找得到多个相似患者，随后针对每个所述相似患者，根据对应的各所述历史诊断病史处理得到所述相似患者的历史症状变化趋势和历史图像变化趋势，随后根据所述当前患者的所述症状变化趋势和图像变化趋势以及各所述相似患者的所述历史症状变化趋势和图像变化趋势从各所述相似患者中筛选得到若干参考患者；
[0008]预测模块，连接所述查找模块，用于以所述当前患者的所述磁共振图像为预测起点，以各所述参考患者的历史图像变化趋势为预测趋势得到病情变化预测结果并展示给医师。
[0009]优选的，各所述历史诊断病史关联有历史问诊时间节点，各所述历史诊断病史均包括历史病情症状及历史磁共振图像，则所述分析模块包括：
[0010]第一分析单元，用于利用预先训练的人工智能语言模型对所述当前患者进行问诊，随后从所述问诊内容中提取出所述病情症状并关联本次问诊时间节点，将各所述历史病情症状和所述病情症状按照所述本次问诊时间节点和各所述历史问诊时间节点的时间从先到后排序后，随后将所述各所述历史病情症状和所述病情症状输入预先训练的第一分析模型处理得到所述症状变化趋势；
[0011]第二分析单元，用于获取所述当前患者的所述磁共振图像并关联所述本次问诊时间节点，将各所述历史磁共振图像和所述磁共振图像按照所述本次问诊时间节点和各所述历史问诊时间节点的时间从先到后排序后，随后将所述各所述历史磁共振图像和所述磁共振图像输入预先训练的第二分析模型处理得到所述图像变化趋势。
[0012]优选的，各所述历史诊断病史关联有历史问诊时间节点，各所述历史诊断病史均包括历史病情症状及历史磁共振图像，则所述查找模块包括：
[0013]检索单元，用于于所述存储模块中提取出与所述磁共振图像相似的多个所述历史磁共振图像，将各所述历史磁共振图像对应的所述患者作为所述相似患者；
[0014]处理单元，连接所述检索单元，用于对于每一个所述相似患者，将所述相似患者对应的各所述历史诊断病史按照各所述历史问诊时间节点的时间从先到后排序，随后将各所述历史病情症状输入预先训练的第一分析模型处理得到所述历史症状变化趋势，以及将各所述历史磁共振图像输入预先训练的第二分析模型处理得到所述历史图像变化趋势；
[0015]筛选单元，连接所述处理单元，用于分别计算所述当前患者的所述症状变化趋势和各所述相似患者的所述历史症状变化趋势之间的第一相似度，以及计算所述当前患者的所述图像变化趋势和各所述相似患者的所述历史图像变化趋势之间的第二相似度，将所述第一相似度和所述第二相似度均不小于预设的相似阈值的各所述相似患者筛选出来作为所述参考患者。
[0016]优选的，所述筛选单元包括：
[0017]第一相似子单元，用于对于每一个所述相似患者，以与所述磁共振图像相似的所述历史磁共振图像对应的所述历史问诊时间节点为起点，在所述历史症状变化趋势中向前选取与所述症状变化趋势的时间相同的部分，与所述症状变化趋势进行相似度计算得到对应的所述第一相似度；
[0018]第二相似子单元，用于对于每一个所述相似患者，以与所述磁共振图像相似的所述历史磁共振图像对应的所述历史问诊时间节点为起点，在所述历史图像变化趋势中向前选取与所述图像变化趋势的时间相同的部分，与所述图像变化趋势进行相似度计算得到对应的所述第二相似度；
[0019]筛选子单元，分别连接所述第一相似子单元和所述第二相似子单元，用于将所述第一相似度和所述第二相似度均不小于所述相似阈值的各所述相似患者筛选出来作为所述参考患者。
[0020]优选的，所述预测模块包括：
[0021]预测单元，用于对于每一个所述参考患者，以所述当前患者的所述磁共振图像为预测起点，以所述参考患者的历史图像变化趋势中，与所述磁共振图像相似的所述历史磁
共振图像对应的所述历史问诊时间节点之后的部分作为所述预测趋势得到对应的所述病情变化预测结果；
[0022]展示单元，连接所述预测子单元，用于将各所述病情变化预测结果分别与所述磁共振图像进行差异度计算，随后将各所述病情变化预测结果按照差异度从高到低排序展示给医师。
[0023]本专利技术提供一种基于人工智能的病情变化预测方法，应用于上述的病情变化预测系统，所述病情变化预测系统存储有多个患者的多个历史诊断病史，所述病情变化预测方法包括：
[0024]步骤S1，所述病情变化预测系统分别获取当前患者的本次诊断的病情症状和磁共振图像以及所述当前患者的各所述历史诊断病史，随后基于所述病情症状、所述磁共振图像和所述当前患者的各所述历史诊断病史处理得到症状变化趋势和图像变化趋势；
[0025]步骤S2，所述病情变化预测系统根据所述磁共振图像于各所述历史诊断病史中查找得到多个相似患者，随后针对每个所述相似患者，根据对应的各所述历史诊断病史处理得到所述相似患者的历史症状变化趋势和历史图像变化趋势，随后根据所述本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于人工智能的病情变化预测系统，其特征在于，包括：存储模块，用于存储多个患者的多个历史诊断病史；分析模块，连接所述存储模块，用于分别获取当前患者的本次诊断的病情症状和磁共振图像以及所述当前患者的各所述历史诊断病史，随后基于所述病情症状、所述磁共振图像和所述当前患者的各所述历史诊断病史处理得到症状变化趋势和图像变化趋势；查找模块，连接所述分析模块，用于根据所述磁共振图像于所述存储模块中查找得到多个相似患者，随后针对每个所述相似患者，根据对应的各所述历史诊断病史处理得到所述相似患者的历史症状变化趋势和历史图像变化趋势，随后根据所述当前患者的所述症状变化趋势和图像变化趋势以及各所述相似患者的所述历史症状变化趋势和图像变化趋势从各所述相似患者中筛选得到若干参考患者；预测模块，连接所述查找模块，用于以所述当前患者的所述磁共振图像为预测起点，以各所述参考患者的历史图像变化趋势为预测趋势得到病情变化预测结果并展示给医师。2.根据权利要求1所述的病情变化预测系统，其特征在于，各所述历史诊断病史关联有历史问诊时间节点，各所述历史诊断病史均包括历史病情症状及历史磁共振图像，则所述分析模块包括：第一分析单元，用于利用预先训练的人工智能语言模型对所述当前患者进行问诊，随后从所述问诊内容中提取出所述病情症状并关联本次问诊时间节点，将各所述历史病情症状和所述病情症状按照所述本次问诊时间节点和各所述历史问诊时间节点的时间从先到后排序后，随后将所述各所述历史病情症状和所述病情症状输入预先训练的第一分析模型处理得到所述症状变化趋势；第二分析单元，用于获取所述当前患者的所述磁共振图像并关联所述本次问诊时间节点，将各所述历史磁共振图像和所述磁共振图像按照所述本次问诊时间节点和各所述历史问诊时间节点的时间从先到后排序后，随后将所述各所述历史磁共振图像和所述磁共振图像输入预先训练的第二分析模型处理得到所述图像变化趋势。3.根据权利要求1所述的病情变化预测系统，其特征在于，各所述历史诊断病史关联有历史问诊时间节点，各所述历史诊断病史均包括历史病情症状及历史磁共振图像，则所述查找模块包括：检索单元，用于于所述存储模块中提取出与所述磁共振图像相似的多个所述历史磁共振图像，将各所述历史磁共振图像对应的所述患者作为所述相似患者；处理单元，连接所述检索单元，用于对于每一个所述相似患者，将所述相似患者对应的各所述历史诊断病史按照各所述历史问诊时间节点的时间从先到后排序，随后将各所述历史病情症状输入预先训练的第一分析模型处理得到所述历史症状变化趋势，以及将各所述历史磁共振图像输入预先训练的第二分析模型处理得到所述历史图像变化趋势；筛选单元，连接所述处理单元，用于分别计算所述当前患者的所述症状变化趋势和各所述相似患者的所述历史症状变化趋势之间的第一相似度，以及计算所述当前患者的所述图像变化趋势和各所述相似患者的所述历史图像变化趋势之间的第二相似度，将所述第一相似度和所述第二相似度均不小于预设的相似阈值的各所述相似患者筛选出来作为所述参考患者。4.根据权利要求3所述的病情变化预测系统，其特征在于，所述筛选单元包括：
第一相似子单元，用于对于每一个所述相似患者，以与所述磁共振图像相似的所述历史磁共振图像对应的所述历史问诊时间节点为起点，在所述历史症状变化趋势中向前选取与所述症状变化趋势的时间相同的部分，与所述症状变化趋势进行相似度计算得到对应的所述第一相似度；第二相似子单元，用于对于每一个所述相似患者，以与所述磁共振图像相似的所述历史磁共振图像对应的所述历史问诊时间节点为起点，在所述历史图像变化趋势中向前选取与所述图像变化趋势的时间相同的部分，与所述图像变化趋势进行相似度计算得到对应的所述第二相似度；筛选子单元，分别连接所述第一相似子单元和所述第二相似子单元，用于将所述第一相似度和所述第二相似度均不小于所述相似阈值的各所述相似患者筛选出来作为所述参考患者。5.根据权利要求1所述的病情变化预测系统，其特征在于，所述预测模块包括：预测单元，用于对于每一个所述参考患者，以所述当前患者的所述磁共振图像为预测起点，以所述参考患者的历史图像变化趋势中，与所述磁共振图像相似的所述历史磁共振图像对应的所述历史问诊时间节点之后的部分作为所述预测趋势得到对应的所述病情变化预测结果；展示单元，连接所述预测子单元，用于将各所述病情变化预测结果分别与所述磁共振图像进行差异度计算，随后将各所述病情变化预测结果按照差异度从高到低排序展示给医师。6.一种基于人工智能的病情变化预测方法，其特征在于，应用于如权利要求1
‑
5中任意一项...

【专利技术属性】
技术研发人员：肖林芳，陈卫军，马泽曜，毛聪英，陶晨悦，
申请(专利权)人：成都温江暖欣门诊部有限公司，
类型：发明
国别省市：